概率论2-123节.pptVIP

当 n 很大，p 很小时， 泊松定理表明： 泊松分布是二项分布的极限分布， 参数 ? = n p 的泊松分布 二项分布就可近似看成是 例1 一交通路口一段时间内汽车发生交通事故的次数 服从参数为 的泊松分布，求至少发生两次 事故的概率。 解 随机变量 则 例2 某城市有1%色盲者，问从这个城市里选出多少 人才能使里面至少有一位色盲患者的概率少于0.95？ 解 设选出n个人，n人中色盲患者为 则 两边取对数 所以得 解 由已知得： 所以分布律为 例3 随机变量 ,已知 求λ的值，并写出 的分布律。 第二章 随机变量及其分布 一、随机变量 二、离散型随机变量及其分布 三、随机变量的分布函数 四、连续型随机变量及其分布 五、随机变量的函数的分布 第一节 为了更方便地从数量方面研究随机现象的统计规 第二章 实数对应起来，将随机试验结果数量化。 随机变量 律，引入随机变量的概念，即将随机试验的结果与 定义1.设随机试验的样本空间 在样本 上的实值单值函数， 称 是定义 为随机变量。 例1.对一均匀硬币抛一次，观察正反面情况。 设 为随机变量。 其中 表示事件A：结果 样本空间 出现正面， 即 同理 其中 表示事件 一、随机变量的定义 结果出现反面, 即 例2.测量某工厂一天生产灯泡的寿命。 样本空间 设 ，其中 ，则 X 为随机变量。 寿命 表示一事件A， 例如 例3.某战士射击命中率为 ,设首次击中目标所需射击 次数为 ,则随机变量 随机变量定义在样本空间 S 上,定义域可以是数也可 以不是数；而普通函数是定义在实数域上的。 2. 随机变量函数的取值在试验之前无法确定,有一定 的概率；而普通函数却没有。 三、随机变量的分类 随机变量 非离散型随机变量 离散型随机变量 连续型随机变量 其它 二、随机变量函数和普通函数的区别 1. 定义域不同 定义1.若某个随机变量 的全部可能取值是有限个或 无限可列多个，则称这个随机变量是离散型随机变量。 定义2.设离散型随机变量 的所有可能取值为 ,其中 取各个可能值的概率，即事件 的概率 一、离散型随机变量的定义 表示一个事件,并且 为 的值域。 满足： 称 为离散型随机变量 的概率分布或分布律。 分布律也可用如下表格的形式表示 分布律的 判断条件 例1.设一汽车在开往目的地的道路上需经过三盏信号 灯，每盏信号灯以概率 允许或禁止汽车通过, 表示汽车首次停下通过的信号灯盏数(设各信号灯的工 作是相互独立的）,求 的分布律。 解 由题意可知 的分布律为 ，则 显然， 的分布律满足 ； 例2.设一均匀的硬币抛三次为一次试验， 为正面 出现的次数，求随机变量 的分布律。 将 带入可得 的分布律为 解 的所有可能取值为 ,其分布律为 例3.一骰子掷两次,用 表示所得点数之和,求 可能值的概率。 取各 解 S={HHH,HHT,HTH,HTT,THH,THT,TTH,TTT} 则 Ⅰ. (0—1)分布 定义1.如果随机变量 的分布律为 则称 服从参数为 的(0—1)分布。 即 或 二、常用的离散型随机变量及其分布 （0—1）分布的分布律也可写成 注 服从（0—1）分布的随机变量很多，如果涉及的试 验只有两个互斥的结果： ，都可在样本空间上定义 一个服从（0—1）分布的随机变量： 下面我们将介绍一个重要的离散型随机变量的 分布---------二项分布 1.伯努利概型（概率论中最早研究的模型之一，也是 研究最多的模型之一，在理论上一些重要的结果也由 它推导） ①n重独立试验 在相同的条件下对试验E重复做n次，若n次试验中各 结果是相互独立的，则称这n次试验是相互独立的。 ②伯努利概型 设随机试验E只有 两种可能结果，且 将试验E独立地重复进行n次，则称这n次试验 为n重伯努利试验，或称n重伯努利概型。 Ⅱ.二项分布 2. 二项分布 引例：某人打靶单发命中率为 现独立重复射 击3次，求恰好命中2发的概率。 解 表示“第i次命中” 表示“恰好命中两次” 由此可得： n重伯努利试验中,“事件 恰好发生k次”,即 的概率为： 定义2.如果随机变量 的分布律为 则称 服从参数为 的二项分 其中 布，记为 容易验证 由二项式定理 特别,当 时,二项分布为 这就是（0—1）分布，常记为 3. 二项分布的分布形态 若 ，则 由此可知，二项分布的分布律(右图) 先是随着 到其最大值后再随着 的增大而减小. 这个使得 达到其最大值的 称为该二项分布的最可能次数。 的增大而增大，达 可以证明： 例4 已知100个产品中有5个次品，现从中有放回地 取3次，每次任取1个，求在所取的3个中恰有2个次品 的概率. 表示所